|
|
Dolování dat z databází
Slezák, Milan ; Hynčica, Ondřej (oponent) ; Honzík, Petr (vedoucí práce)
Diplomová práce je zaměřená na představení možností data miningu. Data mining se zabývá odhalováním skrytých vazeb mezi data. Zájem o tuto oblast se datuje do 60. letech 20 století. Analýza dat našla uplatnění nejdříve v marketingu. Ovšem později se rozšířila do více oblastí a její možnosti stále ještě nejsou plně využity. Při analýze procesu je užitečné dodržovat jednu z metodologií, které byly za tímto účelem vypracovány. Metodologie představují struční systematický návod, jakým způsobem je vhodné postupovat. V rámci data miningu se uplatňuje široké množství algoritmů zaměřených na práci s daty. Je samozřejmé, že se zvyšujícím se zájmem o tuto problematiku stoupal i počet vhodných programů, které je možné pro analýzu využít. Přehled programů, zpracované ukázkové příklady a zhodnocení je také součástí této práce.
|
|
|
Nástroj pro automatické hodnocení kvality EEG dat
Meloun, Jan ; Gajdoš, Martin (oponent) ; Lamoš, Martin (vedoucí práce)
Tato práce se zabývá návrhem nástroje pro automatické hodnocení kvality EEG dat. V teoretické části práce se nachází popis vzniku a šíření akčního potenciálu nervovou soustavou. Dále také teoretickým popisem EEG záznamu a jeho artefakty. Následuje popis používaných metod pro detekci artefaktů. V praktické části práce se nachází popis návrhu nástroje pro automatické hodnocení kvality EEG včetně diskuze výsledků na poskytnutých datech.
|
|
|
Detekce kategorie obsahu webové stránky prostřednictvím metod strojového učení.
DOHNAL, Patrik
Tato bakalářská práce se zabývá návrhem systému pro klasifikaci obsahu webových stránek včetně následné implementace v programovacím jazyce Python. K samotné klasifikaci jsou využívány modely strojového učení jako jsou Naivní Bayesův klasifikátor, K-Nejbližších sousedů a Support Vector Machines. V rámci celého procesu se rovněž předpokládá tvorba vlastní množiny dat, na kterých jsou tyto modely trénovány a následně testovány. Součástí práce je i podrobná rešerše použitých metod.
|
|
|
Klasifikace hudebních souborů pomocí strojového učení
Sládek, Matyáš ; Smrčka, Aleš (oponent) ; Janoušek, Vladimír (vedoucí práce)
Tato práce se zabývá klasifikací hudebních souborů pomocí algoritmů strojového učení. V práci bylo porovnáno sedm klasifikačních algoritmů z hlediska úspěšnosti klasifikace a rychlosti zpracování na třech datových sadách. Využity byly dvě metody pro extrakci atributů, dvě metody pro selekci atributů a dvě metody optimalizace parametrů. Nejvíce se osvědčil model XGBClassifier, který dosáhl úspěšnosti klasifikace 87.56 % na datové sadě Extended Ballroom Dataset, 64.56 % na datové sadě FMA: A Dataset For Music Analysis a 83.50 % na datové sadě GTZAN. Tento model může být využit při tvorbě seznamů skladeb či kategorizaci hudební databáze.
|
|
|
Analýza dat síťové komunikace mobilních zařízení
Abraham, Lukáš ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
Práce na svém začátku popisuje protokoly DNS a SSL/TLS, věnuje se hlavně komunikaci mezi zařízeními pomocí těchto protokolů. Poté si povíme něco o předzpracování dat a jejich čištění. Dále se práce zaobírá základními technikami pro dolování dat, jako jsou klasifikace dat, asociační analýza, vyhledávání dokumentů, regresní analýza a shluková analýza. V další kapitole si můžeme přečíst něco o tom, jak se dají identifikovat mobilní zařízení v síti. Zhodnotíme datové sady, které obsahují nasbíraná data z komunikace mezi protokoly DNS a SSL/TLS se kterými se bude pracovat v praktické části. Po té se konečně dostaneme k návrhu systému pro analýzu dat síťové komunikace. Popíšeme si použité knihovny a celou implementaci systému. Provedeme velké množství experimentů, které na konec ohodnotíme.
|
|
|
Případová studie na dolování z dat v jazyce Python
Stoika, Anastasiia ; Burgetová, Ivana (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce se zabývá základními koncepty a technikami procesu získávání znalostí z dat. Cílem práce je demonstrovat dostupné prostředky jazyka Python, které umožňují provádět jednotlivé kroky tohoto procesu. Práce je zaměřena především na metody a techniky detekce odlehlých pozorování, založené na shlukování a klasifikaci. Jedná se o řešení analytické úlohy, která se týká zdrojů dat s omezeným množstvím využitelné informace. Tato kontrolní činnost by měla sloužit k detekci podezřelých prodejních transakcí nějaké společnosti, které mohou znamenat pokusy o podvod jejích prodejci.
|
|
|
Dolování z dat v jazyce Python
Šenovský, Jakub ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Cílem této práce bylo seznámení se s jednotlivými fázemi získávání znalostí z dat, s podporou programovacích jazyků Python a R v oblasti dolování dat a demonstrace jejich použití na dvou případových studiích. Následným krokem bylo porovnání těchto jazyků z hlediska dolování dat. Je zde popsaná fáze předzpracování dat a dolovací algoritmy pro klasifikaci, predikci a shlukování. Představeny zde byly významné knihovny pro jazyky Python a R. V první případové studii byla demonstrována práce s časovými řadami pomocí ARIMA modelu a neuronových sítí s ověřením přesnosti pomocí střední kvadratické chyby. V druhé případové studii byla popsaná klasifikace výsledků fotbalových zápasů pomocí k - nejbližších sousedů, Bayesova klasifikátoru, náhodného lesu a logické regrese. Přesnost klasifikace byla zobrazena pomocí skóre přesnosti a konfúzní matice. Práci uzavírá zhodnocení výsledků a návrhy pro budoucí vylepšení jednotlivých modelů.
|
|
|
Získávání znalostí pro modelování následných akcí
Veselovský, Martin ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Získavanie znalostí z databáz je komplexný problém zahrňujúci integráciu, prípravu dát, dolovanie znalostí metódami strojového učenia a vizualizáciu výsledkov. Práca pojednáva o celom procese získavania znalostí, špeciálne o problematike budovania dátových skladov, kde prináša návrh a implementáciu dátového skladu pre spoločnosť ROI Hunter, a.s. V oblasti dolovania z dát sa práca zameriava na klasifikáciu a predikciu reklamných dát dostupných z pripraveného dátového skladu, a to predovšetkým klasifikáciou rozhodovacím stromom. Pri predikcii vývoja nových reklám sa kladie dôraz na zdôvodnenie predikcie ako aj na návrh pre úpravu nastavení reklamy tak, aby predikcia skončila pozitívne, a teda aby s istou pravdepodobnosťou reklama v skutočnosti získala lepšie výsledky.
|
|
|
Neuronové sítě a hrubé množiny
Čurilla, Matej ; Hrubý, Martin (oponent) ; Zbořil, František (vedoucí práce)
Hrubé množiny a neuronové sítě poskytují dobré prostředky pro zpracování a analýzu dat. Obě metody však mají určité problémy. Tato práce se zabývá výzkumem možností spojení těchto dvou metod, z kterých budou některé implementované a porovnané s klasickým algoritmem pro analýzu výhod a nevýhod tohoto přístupu.
|
|
|
Rozšíření funkcionality systému pro dolování z dat na platformě NetBeans
Šebek, Michal ; Zendulka, Jaroslav (oponent) ; Lukáš, Roman (vedoucí práce)
Databáze se neustále rozrůstají o nová data. Za účelem analýzy těchto dat byl definován proces získávání znalostí z databází. Pro podporu tohoto procesu vznikla řada nástrojů. Vývojem jednoho z těchto nástrojů se zabývá tato práce. Hlavním cílem je analyzovat stávající implementaci systému na přenositelné platformě Java NetBeans a databázovém serveru Oracle a rozšířit ji o algoritmy z oblasti předzpracování a analýzy vstupních dat. Podrobně je popsána implementace jednotlivých komponent pro předzpracování dat a provedené změny v jádře systému.
|
host ::
RSS.